研究目的及背景 [page::0][page::3]

• 为衡量系统性风险提出盈利beta新视角，弥补市场beta解释力不足的问题。

- 采用11种盈利序列（实际盈利、预期盈利，盈利变化与水平，三种标准化方法）估算盈利beta。

• 结合历史数据和国外文献，简化现金流beta构造过程，便于实务应用。

样本数据与方法 [page::8][page::9]

• 样本涵盖1981-2017年872,991“公司-月频”数据，覆盖CRSP-Compustat-I/B/E/S股票池91.7%市值。

- 盈利beta利用5年滚动窗口回归估算，月频与季频数据结合处理。

• 投资组合层面和公司层面两阶段横截面及三步回归定价测试。

盈利beta定价测试及表现 [page::11][page::14][page::20]

• 市场beta无法显著解释超额收益，6个盈利beta表现出正向且显著的风险溢价。

- 按股价标准化的预期冲击盈利beta风险溢价最大（annualized 2.6%至超过4%），调整R²达41.9%。

• 盈利beta基于盈利变化优于基于绝对盈利水平，预期盈利优于实际盈利。

- 样本外及三步回归测验验证结果稳健。

因子模拟投资组合实证 [page::15][page::16]

• 基于各beta构建多空组合，按股价标准化的预期冲击beta组合平均超额收益0.72%，风险调整alpha达0.49%。

- 投资组合beta显著与市场、规模、价值三因子正相关，盈利能力因子负相关。

• 因子组合表现验证盈利beta作为系统性风险度量的有效性。

公司层面横截面测试 [page::17][page::19]

• 4个盈利beta具有正且显著的风险溢价，按股价标准化的预期冲击beta表现最佳。

- 业绩控制36个公司特征后结论稳健。

• 盈利beta与公司特征（规模、盈利能力、杠杆率等）相关性方向与理论一致性最高的为按股价标准化的预期冲击beta。

盈利beta构造方法及应用建议 [page::5][page::6][page::20]

• 盈利beta估算简易，适用短期盈利数据，适合系统性风险研究。

- 按股价标准化的预期冲击beta表现突出，但在无股价或无分析师覆盖的公司，用账面价值标准化beta替代。

• 盈利变化和预期信息增强盈利用作风险定价的解释力。

- 研究强调关注盈利序列构造对beta解释力的影响。

金融研究报告深度解析：度量 beta 风险新视角——盈利 beta 因子

---

1. 元数据与概览

报告标题： 度量 beta 风险新视角：盈利 beta 因子——“学海拾珠”系列之二十五
发布时间： 2021年1月4日
分析作者： 朱定豪、炜执业证书号 S0010520070001 等，华安证券研究所
研究主题： 本报告聚焦于资产定价的核心指标“beta”，提出基于公司盈利的“盈利 beta”因子，探讨其在衡量系统性风险中的表现及解释能力，试图突破传统市场 beta 对横截面收益解释薄弱的局限性，通过构造多种盈利序列，估计对应的盈利 beta，并验证其在不同层面资产价格形成中的表现。
核心论点：

• 传统市场 beta 无法有效解释资产的横截面收益。

- 现金流（盈利）beta 更直观反映系统性风险且解释力更强。

• 盈利 beta 的构造方法（尤其是基于预期盈利的变化及股价标准化）对其解释力影响显著，表现最佳的盈利 beta 能解释近42%的横截面收益。

- 盈利 beta 与公司基本面特征之间存在显著关联，从而进一步支持盈利 beta 作为系统性风险度量的有效性。

• 投资者和学术研究可以依据报告方法，更准确地进行风险定价与预期收益预测。

本报告不构成投资建议，分析基于历史数据与国外文献综合总结。

---

2. 逐节深度解读

2.1 简介与背景

资产的横截面收益中蕴含系统性风险，传统通过历史收益与市场收益共变性估算市场 beta，但其对收益横截面解释力普遍不足。报告综述了先前基于收益或现金流的对数线性化方法来估计现金流 beta 的文献，这些方法存在构建难度及解释不稳定性问题。作者创新地使用净利润这一会计基本面指标，并结合实际盈利与分析师预期盈利，构建多样化的盈利序列，估计相应的盈利 beta，目的在于寻求简便且稳健的系统性风险衡量指标，改善资产定价模型的表现。

为验证方法，报告构建了11种盈利序列，区别体现在盈利的层面（实际/预期）、表现形式（绝对水平/变化率）及标准化方法（股价/账面价值等）。基于这些序列对应的盈利 beta，采用五年的滚动回归计算时间序列 beta，切实挖掘盈利序列的定价能力。[page::3][page::5][page::6]

2.2 盈利的度量方法

• 标准化盈利指标：

- 实际盈利层面包括过去12个月的累计净利润，结合账面价值或市场价值作为分母进行标准化，解决不同规模公司盈利不可比问题。
- 盈利变化率使用一种特殊表达式，避免分母为负的问题，使指标值限定在 -2 至 +2 之间，防止传统增长率计算中的计算非法性。

• 预期盈利的引入：

报告引入分析师对未来12个月盈利的预测（I/B/E/S数据），构建预期盈利层面的指标。针对数据滞后与乐观偏差，采用时间加权方法动态整合未来1年和2年预期，规避单一时间预测的不足。
- 预期盈利变化被用来反映盈利的前瞻修正，能更有效地捕捉系统风险信息而减弱分析师预测偏差影响。

• 滚动回归框架测算盈利 beta：

对各公司和投资组合的实际及预期盈利序列，采用五年滚动窗口与市场相应盈利序列进行回归，动态估计盈利 beta，以识别盈利序列与市场系统性风险的联动性。[page::6][page::7]

2.3 研究设计与实证结果

2.3.1 样本构建与数据描述

• 基于1976至2017年的Compustat、CRSP及I/B/E/S数据，最终确定1981-2017年为有效样本期，包含约87.3万“公司-月”数据，覆盖91.7%市值，具备良好代表性。

- 通过公司特征将股票分成50个价值加权投资组合，分别以规模、账面市值比（B/P）、盈利收益率（E/P）、资产增长率和长期收益反转等变量分类，为整体横截面回归提供结构性基础。

• 投资组合层面的beta估计噪音显著低于公司层面，投资组合层面负向盈利 beta 较少，提高了回归推断的稳健度。[page::8][page::9][page::10]

2.3.2 投资组合层面定价测试

• 采用两阶段横截面回归，第一阶段估计投资组合层面盈利 beta，第二阶段回归平均超额收益与盈利 beta，检验盈利 beta 是否能解释收益异象。

- 结果显示：
- 11种盈利 beta 中有6种表现出显著正风险溢价，市盈率标准化的预期冲击盈利 beta（Price-scaled Expectations Shock Beta）表现最佳，风险溢价显著且最高（$\gamma_{1}=0.218$, t=5.49），调整后解释变异达41.9%。
- 基于盈利变化的 beta（盈利增长、盈利冲击）相较于绝对盈利水平的 beta 明显表现优异。
- 基于预期盈利的 beta 效果整体优于基于实际盈利的 beta。
- 传统市场 beta 在横截面解释力方面不显著，支持透过盈利角度度量系统性风险的新思路。

• 图表4数据验证上述结论，图表5通过超额收益与拟合收益的散点进一步体现解释力差异。[page::11][page::12][page::13]

2.3.3 样本外定价测试

• 按时间段（1981-1996 和 2002-2017）拆分样本交叉测试盈利 beta 的定价能力。

- 结果仍一致，预期冲击 beta 在样本外稳健解释横截面收益波动，调整后R2在11.8%到26.7%区间，明显优于市场 beta。[page::14]

2.3.4 三步回归定价测试

• 为回应Lewellen（2010）对有限投资组合定价测试的质疑，采用Giglio和Xiu（2019）三步回归法，涵盖更多投资组合和潜在因子。

- 六个盈利 beta 再次显著，并且预期盈利相关beta优于实际盈利beta。按股价标准化的预期冲击 beta 依然表现最佳。此法还提高了风险溢价的估计力度（4%-6%年化水平）。[page::14][page::15]

2.3.5 因子模拟投资组合

• 基于各盈利 beta 构造多空投资组合（高 beta 做多，低 beta 做空），通过Fama-French五因子和Carhart动量因子调整检验alpha。

- 按股价标准化的预期冲击 beta 的因子组合具有最高市值加权月度超额收益 0.72% 和调整后六因子 alpha 为0.49%，表现最优。

• 控制IPCA五因子模型后结论无变化，因子载荷分析支持投资组合收益与规模、价值、动量因子相关，且盈利 beta 显著反映了系统风险特征。[page::15][page::16]

2.3.6 公司层面定价测试

• 采用Fama-MacBeth两阶段回归法，控制公司规模、账面市值比、短期反转及动量。

- 11种盈利 beta 中4种显著预测未来一个月超额收益，按股价标准化的预期冲击 beta 拥有最高系数（0.104，t=4.49），对应年化风险溢价约1.2%。

• 在控制36个公司特征（Kelly等，Freyberger等研究）后，结果依然稳固，体现盈利 beta 在公司层面解释力一致。[page::17]

2.3.7 盈利 beta 与公司特征关系

• 作者检验了盈利 beta 与多项公司财务特征的关系，特征包括规模、盈利能力、杠杆、波动性、增长指标等，基于Penman（2013）等理论进行符号预测。

- 结果显示：
- 盈利 beta 与小规模、低盈利能力、高杠杆（财务和运营）、高波动性特征公司正相关，符合系统性风险较高预期。
- 在11个盈利 beta 中，仅按股价标准化的预期冲击 beta 与公司特征的符号匹配度最高，也与现实理论最吻合。
- 其他 beta 存在符号不一致问题，表明盈利 beta 构造方法对后续解释意义至关重要。[page::18][page::19]

---

3. 图表深度解读

图表1：样本构建

• 展示了1981至2017年各年份样本覆盖的公司月数、Beta估计数以及市值覆盖率。

- 覆盖率稳定且较高（市值覆盖率平均逾90%），保证研究样本的代表性和数据经济含义。

• 随着时间推移，样本规模与Beta估计数据逐步增长，体现数据良好的时间连续性和深度。[page::9]

图表2：描述性统计

• 面板A（投资组合层面）：市值加权收益均值约为1.02%，市场 beta 平均为1.135，盈利 beta（如预期冲击型beta）均值高于市场 beta，变异系数一般小于公司层面，反映投资组合数据稳定性更高。

- 面板B（公司层面）：公司个体收益波动更大，beta估计分布也更宽泛，有较多负向 beta，反映个股风险特征更为复杂多样化。[page::10]

图表3：月度平均相关性

• 市场 beta 与多种盈利 beta 呈负相关或低正相关，说明盈利 beta 捕捉系统风险的不同侧面。

- 按股价标准化的预期冲击 beta 和实际盈利增长 beta 与市场 beta 不强相关，说明盈利 beta 提供了额外的风险信息。

• 盈利 beta 之间大多数呈正相关，反映共性风险因素。[page::10]

图表4：两阶段截面定价测试

• 按盈利序列估计的盈利 beta 十余种中，6种表现出显著的正向风险溢价，最大且显著的为按股价标准化的预期冲击 beta（γ1=0.218，调整后R²=41.9%）。

- 市场 beta 虽有显著系数但风险溢价方向与预期不符，解释力仅8.5%。

• 绝对盈利水平 beta（如预期ROE beta）存在显著负风险溢价，表明单纯盈利水平不能有效体现系统风险，变化型盈利 beta 更显优势。[page::11]

图表5：平均超额收益与拟合超额收益散点图

• 各盈利 beta 的拟合收益与真实平均超额收益总体呈线性正相关，尤以按股价标准化的预期冲击 beta 表现最为接近45度线，拟合优度最高。

- 反映盈利 beta 的解释能力优于市场 beta，基于盈利变化和预期的 beta 明显更有效。[page::12][page::13]

图表6：样本外定价测试

• 跨时间段估计盈利 beta 的样本外测试表明，按股价标准化的预期冲击 beta 稳健且依然具备显著解释能力（风险溢价正向且最高）。

- 市场 beta 表现依然不佳。样本外验证增强了实证结果的可信度。[page::14]

图表7：三步回归定价测试

• 在更广泛的202个投资组合及多个因子环境下，盈利 beta 依旧表现突出，尤其是预期盈利相关指标。

- 融合了主成分分析方法，综合了风险因素，结果显示股价标准化的预期冲击 beta 风险溢价显著，表明其能捕捉更多系统风险维度。[page::15]

图表8：基于 beta 构建的因子模拟投资组合

• 因子模拟组合的月均超额收益最高为0.72%（股价标准化预期冲击 beta 建立），Fama-French及Carhart因子风险调整后仍保持正收益（alpha 0.49%）。

- 组合beta表现出与规模、价值因子正相关，与盈利因子负相关，验证盈利 beta 与系统性风险相关的多重维度。

• 投资组合在控制IPCA模型后仍体现显著alpha，证明盈利 beta 在捕捉不可分散风险中的有效性。[page::16]

图表9：公司层面定价测试

• 11个盈利 beta 中，4个在控制常用风险因子后依然预示未来超额收益，包括预期ROE及市值标准化的预期冲击 beta，后者表现最佳，风险溢价显著为1.2%。

- 控制36项公司特征后，盈利 beta 仍具良好解释力，说明其稳健性和经济含义。

• 规模、账面市值比、动量等变量的影响符合文献预期。[page::17]

图表10：Beta和公司特征关系

• 盈利 beta 与公司特征间的多元回归揭示其符号大体符合理论预判，尤其是股价标准化的预期冲击 beta。

- 小规模、高财务杠杆、波动性大、低盈利能力公司盈利 beta 更高，说明盈利 beta 能反映实际企业风险特征。

• 部分 beta 与部分特征关系符号不稳定，但不影响整体结论。

- 此分析凸显盈利 beta 的构造细节决定了其作为风险指标的准确性和可靠性。[page::18][page::19]

附录B（图表13、14）：不同盈利 Beta 描述

• 详细说明11种盈利 beta 指标名称、计算方法及标准化方式，涵盖实际收益、预期收益、变化率指标以及对应的标准化基准（账面价值、市值、收益标准化等）。

- 说明了滚动回归估计beta的时间窗口、数据频率的区别，帮助理解实证中使用数据的严谨性与设计逻辑。[page::23][page::24]

---

4. 估值分析

本报告非针对某公司或行业的直接估值报告，更偏重于因子构建与实证回测，不过通过因子模拟组合的超额收益和风险溢价测算，隐含了一种基于盈利序列风险度量的“盈利 beta”估值框架：

• 估值基础： 利用盈利相关因素估计系统性风险，进而解释资产预期超额收益。

- 方法论： 多种盈利度量的回归beta与横截面收益相关的风险溢价（γ1）共同构成资产价格解释方程。

• 假设关键点： 盈利预期与实际盈利的不同代表市场对未来现金流的信息差异，基于盈利变化较绝对盈利水平更能反映风险。

- 敏感性分析： 不同盈利序列标准化处理、时间窗口、预期盈利结构都会影响beta估计准确性和解释力。

• 结论： 股价标准化预期冲击盈利 beta 估值优势突出，操作简便，风险解释充分。

该方法为跟踪系统风险与盈余预期之间关系提供了闭环估值思路，辅助资产价格解释和投资决策。

---

5. 风险因素评估

报告明确指出结论基于过去数据与国外文献总结，存在一定历史局限性风险：

• 数据样本偏差： 主要基于美国市场，公司和经济环境千差万别可能降低其普适性。

- 模型构建风险： 盈利 beta 估计依赖分析师预期数据，存在行为偏差和覆盖不足问题。

• 市场变化风险： 市场结构、信息传递机制、会计政策等变动可能改变盈利 beta 与系统风险关系。

- 财务指标噪声： 盈利基数受保守会计政策影响，可能造成误差。

• 使用风险： 如股价标准化依赖市场价格合理性，非上市或价格扭曲企业难适用。

报告提醒读者自行评估风险，且不构成投资建议。[page::0][page::24]

---

6. 批判性视角与细微差别

• 盈利序列构造敏感性极强： 报告强调不同盈利序列导致盈利 beta 解释力悬殊，构造过程涉及复杂的标准化和预期调整，反映选材偏好可能影响研究结论稳定性。

- 数据覆盖与质量限制： 分析师预期数据不全、不一致，影响预期盈利 beta 的准确估计及实际应用范围。

• 绝对盈利水平beta负向风险溢价： 体现收益市场并非均衡定价，或反映保守会计偏差，需注意盈利水平与风险关系非单向。

- 市场 beta 负相关结果重复体现： 可能反映市场模型局限同时也提示盈利 beta 的补充价值。

• 实际盈利与预期盈利的权衡： 虽然预期盈利beta整体优良，但实际盈利数据更具时效可靠性，需结合使用。

- 未上市和无预期数据公司处理不足： 报告提出替代方案但对其效果论述不足，未来应关注非公开市场的系统性风险测度。

• 潜在因果关系不明确： 盈利 beta 与系统性风险关系紧密但并非简单因果，存在经济和信息传递机制中复杂交互。

整体上，报告结构严谨，方法创新且结果具有说服力，但需要结合市场环境谨慎解读。

---

7. 结论性综合

本报告创新性地提出了基于多种盈利序列构造盈利 beta 因子的系统性风险度量新框架，规避了传统基于收益率的 beta 解释力不足的缺陷。通过对1981至2017年长周期大样本数据的投资组合层面及公司层面多种实证检验，发现：

• 盈利 beta，尤其是基于预期盈利变化并按股价标准化的预期冲击 beta，显著优于传统市场 beta，在横截面回归中最高能解释超过40%的超额收益变异，风险溢价显著且稳健。

- 盈利 beta 相关的投资组合模拟多空因子组合获得显著正超额收益，并在风险调整后呈现持续 alpha，证明该因子对系统风险捕获能力强。

• 公司层面，相关盈利 beta 与未来单期超额收益显著正相关，控制多种风险因子和公司特征后依然强劲，反映盈利 beta 可作为系统风险的经济含义度量。

- 盈利 beta 与公司基本面财务特征紧密相关，表明其度量的系统风险嵌入真实经济变量与市场风险结构。

• 11 种盈利序列的估计比较与结果分析突显标准化方法、预期数据运用及盈利变化信息对盈利 beta 解释力的重要贡献，亦提示未来研究中盈利度量的选取至关重要。

- 尽管存在数据覆盖、模型假设及市场适用性的限制，盈利 beta 因子为投资者和学术界研究系统性风险提供了富有实践价值和理论意义的工具。

综上，本文奠定了盈利 beta 因子作为衡量资产系统性风险的新视角和关键因子的理论与实证基础，为资产定价模型的改进和风险管理方法提供了有效路径。

---

附：核心图表示例（部分）

1. 图表4 两阶段截面定价测试

- 显示不同盈利 beta 的风险溢价估计，其中按股价标准化预期冲击 beta 显著性最高，调整后拟合优度显著。

1. 图表5 平均超额收益 vs 拟合超额收益散点图

- 对比真实超额收益与基于不同 beta 预测的一致性，强化预期冲击 beta 的表现。

1. 图表8 因子模拟投资组合表现

- 该图揭示基于盈利 beta 构造因子组合的回报与风险调整alpha，验证盈利 beta 的策略应用价值。

1. 图表10 盈利 beta 与公司特征的多元关系

- 反映盈利 beta 与经济特征变量（规模、杠杆、盈利能力等）间的统计联系，支持盈利 beta 的经济解释。

（以上图表可见于报告中对应页，标识详见正文）[page::11][page::12][page::15][page::19]

---

参考文献

本报告方法和结论主要基于并引用Campbell和Shiller (1988)、Vuolteenaho (2002)、Da和Warachka (2009)、Kelly等（2019）、Fama和French (2015)等经典与最新资产定价与盈利相关文献，为盈利 beta 理论搭建坚实支撑。

---

风险与免责声明

本报告基于历史数据与现有文献，无投资建议性质。市场环境变化、数据适用性及模型结构限制均可能影响结果的时效性和普适性，投资者决策需综合多方信息并谨慎行事。[page::0][page::24]

---

本文详尽分析了华安证券《度量 beta 风险新视角：盈利 beta 因子》报告，系统且全面地解读了报告的研究背景、方法创新、实证过程与结论，特别对所有重要图表进行了逐一阐释，帮助投资研究人员理解盈利 beta 作为系统性风险度量工具的理论基础和实操价值。

报告